Design and Implementation of a Deep Learning Model for Pulmonary Arterial Segmentation in Computed Tomography (CT) images

Merchan Cardoza, Mishell; Suarez Quimbayo, Juan Pablo

Design and Implementation of a Deep Learning Model for Pulmonary Arterial Segmentation in Computed Tomography (CT) images

dc.contributor.advisor	Pertuz Arroyo, Said David
dc.contributor.author	Merchan Cardoza, Mishell
dc.contributor.author	Suarez Quimbayo, Juan Pablo
dc.contributor.evaluator	Ramirez Silva, Ana Beatriz
dc.contributor.evaluator	Fonseca Estupiñan, Karen Andrea
dc.date.accessioned	2023-08-04T18:59:54Z
dc.date.available	2023-08-04T18:59:54Z
dc.date.created	2023-08-03
dc.date.issued	2023-08-03
dc.description.abstract	La Embolia Pulmonar (EP) es una condición potencialmente mortal en la que un coágulo sanguíneo bloquea una arteria en los pulmones. Permanece como una de las condiciones más desafiantes para diagnosticar y tratar en el departamento de emergencias. Como tipo de enfermedad cardiovascular, la EP contribuye a la principal causa de muerte a nivel mundial, según la Organización Mundial de la Salud. La detección temprana y el tratamiento oportuno son críticos para mejorar los resultados del paciente. En este proyecto, buscamos desarrollar e implementar un algoritmo para la segmentación automatizada de arterias pulmonares como un paso crucial hacia la identificación de EP. Tuvimos acceso a una base de datos de 130 volúmenes 3D con etiquetado refinado de las arterias pulmonares. La combinación de herramientas de alto desempeño y tecnología avanzada tiene un gran potencial para la detección y tratamiento temprano de enfermedades pulmonares, especialmente en entornos con recursos limitados. Específicamente, proponemos la implementación de una arquitectura llamada ResD-Unet, basada en la red Unet, complementada con bloques residuales y capas de convolución interconectadas. Los resultados obtenidos son moderados, pero constituyen un paso inicial para la solución del problema.
dc.description.abstractenglish	Pulmonary Embolism (PE) is a life-threatening condition in which a blood clot blocks an artery in the lungs. It remains one of the most challenging conditions to diagnose and treat in the emergency department. As a type of cardiovascular disease, PE contributes to the leading cause of death world-wide, according to the World Health Organization. Early detection and timely treatment are critical to improving patient outcomes. In this project, we sought to develop and implement an algorithm for automated pulmonary artery segmentation as a crucial step toward PE identification. We had access to a database of 130 3D volumes with refined labeling of pulmonary arteries. The combination of high-performance tools and advanced technology has great potential for early detection and treatment of lung diseases, especially in resource-limited settings. Specifically, we propose the implementation of an architecture called ResD-Unet, based on the Unet network, complemented with residual blocks and interconnected convolution layers. The results obtained are modest, but constitute an initial step towards solving the problem.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electrónico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/14714
dc.language.iso	eng
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Electrónica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Arterias Pulmonares
dc.subject	Segmentación
dc.subject	Tomografía Computarizada (TC)
dc.subject	Aprendizaje Profundo
dc.subject.keyword	Pulmonary arterial
dc.subject.keyword	Segmentation
dc.subject.keyword	Computed Tomography (CT)
dc.subject.keyword	Deep Learning
dc.title	Design and Implementation of a Deep Learning Model for Pulmonary Arterial Segmentation in Computed Tomography (CT) images
dc.title.english	Design and Implementation of a Deep Learning Model for Pulmonary Arterial Segmentation in Computed Tomography (CT) images
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado